[发明专利]一种基于图像灰度统计的天气状况识别方法

说明书

技术领域

本发明涉及一种基于图像灰度统计的天气状况识别方法，属于气象学、统计学及数字图像处理领域。

背景技术

看云识天气是众所周知的谚语，其一获取天气状况的重要性是不言而喻的，直接或间接的关系着人们的日常生产生活；其二通过云的特征来判定天气状况也是非常关键的。这也是气象学家一直研究的重点，更是气象部门进行天气预报的主要依据。而识别天气方法有很多，最常用的有两种。一种是传统的天气学方法，就是将同一时刻同一层次的气象数据填绘在一张特制的图上，这张图称为天气图。经过对天气图上的各种气象要素进行分析，预报员就可以了解当前天气系统（如台风、锋等）的分布和结构，判断天气系统与具体天气（如雨、风、雾等）的联系及其未来演变情况，现在天气图的绘制和分析都由计算机来完成。另一种是数值识别方法，它是随着计算机技术的进步而逐步发展起来的，它是靠计算机“算”出来的。由于大气的运动遵循一些已知的物理定律，根据这些定律，可以将大气运动状态写成一组偏微分方程，只要给出初值（大气的当前状况），就可以求解出方程组随时间变化的变量值，据此得到大气的未来状况。求解方程的过程极其复杂，要求在规定的时间里处理大量的气象数据，即使最简化的大气方程也必须在高速计算机上进行运算。无论是天气学方法，还是数值预报方法，或者是其他预报方法，都存在一定的局限性，预报结论也不尽相同，这就需要预报员对各种预报结果进行综合分析判断。而本方法不仅可以避免微分方程的大量计算，而且在能够考虑气象学等综合因素的前提下实现天气状况的及时有效识别，准确度高。

发明内容

本发明的目的是克服了传统的气象学方法以及数值方法的局限性和不足，提供一种基于图像灰度统计的天气状况识别方法，是一种具有较高的应用价值的、简便可行的，准确度高，适应性强的用于天气状况识别的方法。

云的图像中蕴含有大量信息，包含着大气运动等多因素所形成的结果图，图中的每个片区记录着形成这一结果的证据或信息，为此我们通过这一图像转化成灰度值后的统计参数信息，进行天气状况的识别。本发明的技术方案包括如下步骤：

（1）利用像素为1000万以上的拍摄工具对天空上的云层图像进行采集；

（2）将步骤（1）所获取的云层图像转化为图像灰度矩阵；

（3）将步骤（2）所获得的图像灰度矩阵进行列序列或者是行序列的平均值                                                的计算，然后根据平均值来计算矩阵的方差；（行序列的平均值是先计算将矩阵每一行的平均值，然后再将每一列的平均值计算后求平均值；列序列的平均值计算方法与行序列相同，两个平均值相同；矩阵的方差是按照现有技术中矩阵方差的计算方法来计算的，方差为行序列的和列序列的的均值。）

（4）根据步骤（3）计算得到的平均值或方差来判别天气状况，当时，天气为雨天，时，天气为阴天，当时，天气为晴天；当为140时，通过方差的值来判定，大于等于10的为雨天，小于10的为阴天。 

所述步骤（2）中转化图像灰度采用Matlab工具进行转化。

所述列序列和行序列的平均值是相同的。

本发明的有益效果是:弥补了传统气象学方法与数值方法的不足之处；较物理方法而言，该方法简单可行，耗时短，实时有效性高； 该方法能够综合考虑各种因素的影响，应用在对天气状况的识别上，简单易行、精确度高，且具有很高的实用价值，是一种可靠实用的识别方法。

附图说明

图1为本发明实施例1对应的天气云层图像；

图2为本发明实施例1对应的天气云层图像；

图3为本发明实施例1对应的天气云层图像；

图4为本发明实施例1行序列的方差拟合正态分布图；

图5为本发明实施例1列序列的方差拟合正态分布图；

图6为本发明实施例2行序列的方差拟合正态分布图；

图7为本发明实施例2列序列的方差拟合正态分布图；

图8为本发明实施例2行序列的方差拟合正态分布图；

图9为本发明实施例2列序列的方差拟合正态分布图；

具体实施方式  

 下面结合附图以实例进一步说明本发明的实质内容，但本发明的内容并不限于此。

实施例1：本实施例的基于图像灰度统计的天气状况识别方法为：

（1）如图1所示，利用像素为1000万以上的拍摄工具对天空上的云层图像进行采集；